في عصر التعليم الإلكتروني، يصبح من الضروري التنبؤ بمخاطر السكوت الأكاديمي للطلاب، حيث أن هذه التوقعات تُساعد في تنفيذ تدخلات سريعة لتحسين معدلات البقاء وأداء التعلم. ومع ذلك، تعاني النماذج الحالية من ضعف القدرة على الاكتشاف المبكر ونقص التفسير، مما يؤدي إلى أزمة ثقة "صندوق الأسود" تعيق استخدامها في البيئات التعليمية الحقيقية.

للتصدي لهذه التحديات، نقدم لكم EduRiskX، إطار عمل عصبي-رمزي يجمع بين نظام تنبؤ قائم على Transformer الزمني وبين المنطق الرمزي F-Logic. يتمكن هذا النظام العصبي من نمذجة الأنشطة الطلابية على مدى الزمن باستخدام انتباه زمني، وخسارة موجّهة حسب الصف، وقص ديناميكي أسبوعي.

تشكل قاعدة القواعد المنطقية F-Logic نظام خبرة مدفوع بالبيانات، مستندة إلى النظريات التعليمية المعروفة مثل نظرية الانخراط (Engagement Theory) ونموذج اندماج الطلاب (Student Integration Model)، وذلك لمحاكاة منطق التشخيص لمعلمي البشر. يتم دمج درجة المخاطر من الجانب العصبي ودرجة الثقة الرمزية من خلال آلية دمج قائمة على الانحدار اللوجستي، تتعلم المساهمة النسبية لكل إشارة.

أظهرت التجارب على مجموعة بيانات تحليلات التعلم للجامعة المفتوحة (OULAD) باستخدام تقسيم صارم بنسبة 80/10/10 للطلاب أن EduRiskX تحقق دقة تصل إلى 0.900 ومعدل F1 يصل إلى 0.894 في نهاية الفصل الدراسي (الأسبوع 38) مع متوسط اكتشاف مبكر يصل إلى 9.32 و معدل اكتشاف يصل إلى 94.30%.

وعند المقارنة بالنماذج الأكثر تقدماً (PatchTST، iTransformer) ومعايير التعلم العميق المتداولة (LSTM، CNN)، أثبت EduRiskX أداءً محسنًا في استرجاع المعلومات واكتشاف المخاطر في وقت أبكر تحت نفس الظروف. يتجاوز الأداء التنبؤي للنموذج، حيث يوفر جزء F-Logic تفسيرات هيكلية تستند إلى قواعد تربط بين التوقعات وأنماط السلوك القابلة للملاحظة والنظريات التعليمية.

بهذا الإطار، يقدم EduRiskX تحولًا في كيفية دعم الطلاب وتوجيههم في عالم التعلم الإلكتروني، مما يفتح الأبواب أمام احتمالات جديدة لمستقبل التعليم.